The Polish parliament serves as a vibrant arena for political discourse, where members engage in various forms of communication to address pressing issues and hold the government accountable. One such crucial mechanism is interpellation, where parliamentarians pose questions to government officials, seeking clarifications or initiating discussions on policies, decisions, or matters of public concern.
This text mining project focusing on interpellation within the Polish parliament integrates a analytical approach of network analysis. Through network analysis, I aim to map the intricate relationships among parliamentarians based on their interpellation activities, unveiling patterns of collaboration, influence, and ideological alignment within the legislative body. By examining the network structure, centrality measures, and clustering tendencies, I seek to elucidate the underlying dynamics of political discourse and coalition-building strategies.
Data comes from The Polish Parliamentary Corpus / Korpus Dyskursu Parlamentarnego repository. That repository contains both Sejm and Senat proceedings, interpellation etc. from 1919 to 2023. The analysis is limited to 3 parliament terms (1997-2001, 2001-2005 and 2005-200) and only to data from Member of Parliament interpellations. Based on the files stored in that repository the dataset for the analysis (both the content and available metadata) has been created and preprocessed before the analysis via external scripts link to reposiotry of this project). To stem data KRNNT tool was used. Preprocessed files are available on Google Drive.
There will be three main steps:
First step - load data from preprocessed files
pi_files <- list.files("data", pattern = "^(pi_)")
all_pi <- do.call(rbind,
lapply(X = pi_files, FUN = function(i){
mydb <- dbConnect(RSQLite::SQLite(), file.path("data", i))
this_cont <- dbGetQuery(conn = mydb,
statement = "select metadata.*, ipcontent.content from ipcontent left join metadata on metadata.id = ipcontent.id")
dbDisconnect(mydb)
this_cont$period <- gsub("pi_", replacement = "", x = gsub(pattern = ".sqlite", replacement = "", x = i))
this_cont
}))
# add information about length of each document
all_pi <- all_pi %>%
mutate(len = nchar(CONTENT))
# create dataset with start and end of each period
period_bands <- data.frame(period = c("1997-2001", "2001-2005", "2005-2007"),
start_date = as.Date(c("1997-10-20", "2001-10-19", "2005-10-19")),
end_date = as.Date(c("2001-10-18", "2005-10-18", "2007-09-07")))Second step - create date of creation of each interpellation
# assumption - each document ends in date passed in that format: <day> <month as a word> <year>
last_part_len <- 24
vec_to_extract_dates <- all_pi$CONTENT %>% substr(start = nchar(.) - last_part_len, nchar(.))
# there are some cases that will be overwritten and not treated with general approach (59 out of 28074 [0.2%]):
# because the last part of document did not include date (e.g. it consists of footnotes of some sort)
# because there were mistakes (e.g. year 3000)
list_exceptions <- jsonlite::fromJSON(txt = "dicts/pi_dates.json")
vec_to_extract_dates[match(x = names(list_exceptions), table = all_pi$DOC)] <- unlist(list_exceptions)
# remove last part of date
vec_to_extract_dates <- gsub(pattern = "(r|roku)\\s*\\.*\\,*$", replacement = "", x = vec_to_extract_dates)
vec_to_extract_dates <- trimws(vec_to_extract_dates)
# extract year
years <- as.numeric(substr(vec_to_extract_dates, regexpr(pattern = "\\d+\\.*$", text = vec_to_extract_dates), nchar(vec_to_extract_dates)))
# check if everything is ok
if (any(is.na(years))) {
idx <- which(is.na(years))
message(length(idx))
vec_to_extract_dates[idx[1:min(10, length(idx))]]
}
if (!all(years %in% c(1997:2007))) {
idx <- which(!years %in% c(1997:2007))
message(length(idx))
vec_to_extract_dates[idx[1:min(10, length(idx))]]
}
# remove year to ease the process
vec_to_extract_dates <- trimws(substr(vec_to_extract_dates, 1, nchar(vec_to_extract_dates) - 4))
# extract month
months_vec <- rep(0, length = length(vec_to_extract_dates))
months_dict <- list("1" = "stycznia",
"2" = c("lutego", "luty"),
"3" = "marca",
"4" = c("kwietnia", "kwietnie", "kwitnia", "kwietna"),
"5" = "maja",
"6" = "czerwca",
"7" = "lipca",
"8" = "sierpnia",
"9" = c("września", "wrzesień"),
"10" = "października",
"11" = c("listopada", "listopad"),
"12" = "grudnia")
for (m in 1:length(months_dict)) {
vals <- regexpr(pattern = sprintf("(%s)", paste0(months_dict[[m]], collapse = "|")), text = vec_to_extract_dates)
idx <- which(vals > 0)
months_vec[idx] <- as.numeric(names(months_dict)[m])
vec_to_extract_dates[idx] <- substr(vec_to_extract_dates[idx], 1, vals[idx] -1)
}
# check if everything is ok
if (!all(months_vec %in% c(1:12))) {
idx <- which(!months_vec %in% c(1:12))
message(length(idx))
vec_to_extract_dates[idx[1:min(10, length(idx))]]
}
vec_to_extract_dates <- trimws(vec_to_extract_dates)
# extract day
days_vec <- as.numeric(substr(vec_to_extract_dates, regexpr(pattern = "\\d+$", text = vec_to_extract_dates), nchar(vec_to_extract_dates)))
# check if everything is ok
if (!all(days_vec %in% c(1:31))) {
idx <- which(!days_vec %in% c(1:31))
message(length(idx))
vec_to_extract_dates[idx[1:min(10, length(idx))]]
}
# add to dataset
all_pi$date <- as.Date(sprintf("%s-%02d-%02d", years, months_vec, days_vec))Check if all is ok - each date should be between start and end of each period
all_pi %>%
left_join(y = period_bands, by = "period") %>%
mutate(days_after_start = as.numeric(date - start_date)) %>%
filter(days_after_start < 0) %>%
kable() %>%
kable_styling()| ID | AUTHOR | DOC | CONTENT | period | len | date | start_date | end_date | days_after_start |
|---|---|---|---|---|---|---|---|---|---|
| NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| –: | :—— | :— | :——- | :—— | —: | :—- | :———- | :——– | —————-: |
But sometimes interpellation is written in a period t is delivered to Sejm in period t-1.
all_pi %>%
left_join(y = period_bands, by = "period") %>%
mutate(days_before_end = as.numeric(end_date - date)) %>%
filter(days_before_end < 0) %>%
summarise(n(), min(days_before_end), median(days_before_end), max(days_before_end)) %>%
kable() %>%
kable_styling()| n() | min(days_before_end) | median(days_before_end) | max(days_before_end) |
|---|---|---|---|
| 31 | -172 | -11 | -1 |
The data was stem outsied the script - load it
# I've tagged already
pi_tagged_files <- paste0("tagged_", pi_files)
all_pi_tagged <- do.call(rbind,
lapply(X = pi_tagged_files,
FUN = function(i){
mydb <- dbConnect(RSQLite::SQLite(), file.path("data", i))
this_cont <- dbGetQuery(conn = mydb, statement = "select * from tagged")
dbDisconnect(mydb)
this_cont$period <- gsub("tagged_pi_", replacement = "", x = gsub(pattern = ".sqlite", replacement = "", x = i))
this_cont
}))
head(all_pi_tagged, 6) %>%
kable() %>%
kable_styling()| ID | ORG | TAGGED | period |
|---|---|---|---|
| 1 | Na | na | 1997-2001 |
| 1 | początku | początek | 1997-2001 |
| 1 | bieżącego | bieżący | 1997-2001 |
| 1 | roku | rok | 1997-2001 |
| 1 | zwrócił | zwrócić | 1997-2001 |
| 1 | em | być | 1997-2001 |
The data is stripped from whitespaces and lowercased (unless it is a recognizable name). How many tags (stemmed entities) do I have?
n_distinct(all_pi_tagged$TAGGED)## [1] 64840Cleaning:
# cleaning
all_pi_tagged_clean <- all_pi_tagged %>%
# remove part with date
anti_join(y = data.frame(TAGGED = c("dzień", "styczeń", "luty", "marzec", "kwiecień", "maj", "czerwiec", "lipiec", "sierpień", "wrzesień",
"październik", "listopad", "grudzień", "rok")), by = "TAGGED") %>%
# remove stopwords
anti_join(y = polish_stop_words_df("TAGGED"))
# remove numbers
all_pi_tagged_clean <- all_pi_tagged_clean[regexpr(pattern = "^\\d+$", text = all_pi_tagged_clean$TAGGED) < 0, ]
# %, +
all_pi_tagged_clean <- all_pi_tagged_clean[regexpr(pattern = "^\\W$", text = all_pi_tagged_clean$TAGGED) < 0, ]
# numbers with comma as decimal point
all_pi_tagged_clean <- all_pi_tagged_clean[regexpr(pattern = "^\\d+,\\d+$", text = all_pi_tagged_clean$TAGGED) < 0, ]
# numbers with dot as decimal point
all_pi_tagged_clean <- all_pi_tagged_clean[regexpr(pattern = "^\\d+\\.\\d+$", text = all_pi_tagged_clean$TAGGED) < 0, ]
# remove dates xx.xx.xxxx
all_pi_tagged_clean <- all_pi_tagged_clean[regexpr(pattern = "^\\d{1,2}\\.(0\\d{1}|\\d{1,2})\\.(\\d{2}|\\d{4})$", text = all_pi_tagged_clean$TAGGED) < 0, ]
# remove dates xx-xx-xxxx
all_pi_tagged_clean <- all_pi_tagged_clean[regexpr(pattern = "^\\d{1,2}-(0\\d{1}|\\d{1,2})-(\\d{2}|\\d{4})$", text = all_pi_tagged_clean$TAGGED) < 0, ]
# remove words like 'szanowny', 'minister', 'premier' because they come from a greeting at the beginnig of the interpellation or at the end ("poseł", "poważanie")
all_pi_tagged_clean <- all_pi_tagged_clean %>% filter(!TAGGED %in% c("szanowny", "minister", "premier", "poseł", "poważanie"))How many tags are in the end?
un_tagged <- sort(unique(all_pi_tagged_clean$TAGGED))
length(un_tagged)## [1] 56516In order to incorporate Text Mining algorithms I’ll create documents from processed stemmed data.
all_pi_tagged <- all_pi_tagged_clean %>%
group_by(period, ID) %>%
summarise(CONTENT = paste0(TAGGED, collapse = " "))
head(all_pi_tagged, 2) %>%
kable() %>%
kable_styling()| period | ID | CONTENT |
|---|---|---|
| 1997-2001 | 1 | początek bieżący zwrócić zdrowie sprawa przestrzegać przepis ustawa dotyczyć dopuszczalność przerywać ciąża wskazać niektóry województwo województwo kielecki obowiązywać ustawa kobieta chcieć skorzystać przysługiwać prawo mieć możliwość wynikać fakt ginekolog publiczny placówka opieka zdrowotny gremialnie odmawiać wykonać dopuszczalny prawnie zabieg spełnić zainteresowany kobieta przewidzieć przepis wymóg zaznaczyć przepis dawać określić prawo kobieta mieć obowiązek uprawnienie gwarantować odpowiedź zdrowie zobowiązać podjąć działanie zmierzać województwo kielecki doprowadzić prawidłowy funkcjonować ustawa zgodzić chyba móc województwo mieć placówka kobieta móc liczyć prawo uszanować niezrozumiały chóralny powoływać ginekolog kodeks etyka lekarski często ginekolog wykonywać zabieg aborcja prywatnie zacisze własny gabinet oczywiście odpowiedni opłata oceniać szczyt hipokryzja pomijać kodeks zawodowy móc sytuować obowiązujący prawo podstawowy problem brzmieć kwestia przysługiwać kobieta prawo rozwiązać zgodnie przepis ustawa dotąd nikt przepis zmienić wydać wejście życie nowy konstytucja orzeczenie trybunał konstytucyjny mieć moc stanowić mieć sytuacja obowiązujący prawo przypadek prawo papier chcieć spytać zatem raz działanie resort zdrowie podjąć podjąć przysługiwać kobieta prawo przestrzegać wreszcie sprawa zostać rozwiązać gwarantować kobieta minimum godność prosić konkretny informacja efekt dotychczasowy działanie podjąć województwo kielecki ostatni czas zgłaszać biuro poselski kobieta wskazywać prywatnie pieniądz zabieg móc mieć wykonać jednocześnie lekarz wojewódzki stan wskazać placówka móc mieć wykonać zabieg darmo uważać sytuacja wyjątkowo bulwersujący Władysław Adamski Warszawa |
| 1997-2001 | 2 | trwać protest anestezjolog przeciwny polityka rząd RP dyskryminować lekarz okręg gliwicki głodować anestezjolog szpital główny postulat wyposażyć szpital sprzęt anestezjologiczny często stan użyć zagrażać życie zdrowie pacjent wzrost wynagrodzenie lekarz anestezjolog maksymalny stawka dany grupa zaszeregowanie plus premia kwota niski średni krajowy lekarz wojewódzki A Sośnierz rozmowa głodować lekarz wygospodarować pieniądz rozesłać dyrektor szpital niestety podwyżka rezultat rząd złoty zdrowie lekarz podległy pacjent zagrozić sprawa oczywisty wymagać natychmiastowy realizacja zwracać Jan Olszewski Warszawa |
Basic information regarding data
all_pi %>% group_by(period) %>%
summarise(count = n(), autohrs = n_distinct(AUTHOR_CLEAN), av_len = mean(len), sd_len = sd(len), min_len = min(len), max_len = max(len)) %>%
kable() %>%
kable_styling()| period | count | autohrs | av_len | sd_len | min_len | max_len |
|---|---|---|---|---|---|---|
| 1997-2001 | 7444 | 339 | 2002.257 | 1371.682 | 260 | 20858 |
| 2001-2005 | 10906 | 435 | 2377.523 | 2084.135 | 65 | 53942 |
| 2005-2007 | 9724 | 429 | 2274.355 | 1594.731 | 82 | 20618 |
For each period there is between 7.4k and 10.9k documents of average length of 2k characters. See how the interpolation number by date changed.
all_pi %>%
group_by(date) %>%
summarise(count = n()) %>%
ggplot(aes(x = date, y = count)) +
geom_col() +
geom_smooth() +
theme_minimal()
One can clearly see that the number of interpollation increases in time with some seasonal variations. Lets interpollation number by period but counting from the start of the term.
all_pi %>%
left_join(y = period_bands, by = "period") %>%
mutate(days_by = as.numeric(date - start_date)) %>%
group_by(days_by, period) %>%
summarise(count = n()) %>%
ggplot(aes(x = days_by, y = count, group = period)) +
geom_point(alpha = .1) +
geom_smooth() +
facet_wrap(~period, scales = "free") +
theme_minimal()
Which words appear the most (most mentions in a single day)?
summ_data <- all_pi_tagged_clean %>%
left_join(y = all_pi %>% select(ID, period, date)) %>%
group_by(TAGGED, date) %>%
summarise(count = n(), n_ids = n_distinct(ID)) %>%
ungroup() %>%
arrange(TAGGED, date)
summ_data %>%
group_by(TAGGED) %>%
summarise(count_mx = max(count)) %>%
top_n(n = 10, wt = count_mx) %>%
kable() %>%
kable_styling()| TAGGED | count_mx |
|---|---|
| FSO | 216 |
| SA | 111 |
| artykuł | 139 |
| daewoo | 324 |
| działalność | 112 |
| komisaryczny | 162 |
| odpad | 175 |
| spółka | 137 |
| ustawa | 136 |
| zarząd | 198 |
Since dataset is vast the analysis will be conducted on 3 terms separately and results will be compared. Also interpellations of people who I could not assign to a specific political party will be removed.
to_analyze_net <- lapply(X = period_bands$period,
FUN = function(x) all_pi_tagged %>%
filter(period == x) %>%
left_join(y = all_pi %>% select(ID, period, AUTHOR = AUTHOR_CLEAN, party), by = c("ID", "period")) %>%
filter(!is.na(party)))
names(to_analyze_net) <- period_bands$periodCreate texnets::PrepText objects
prepped_tagged <- lapply(X = period_bands$period,
FUN = function(x){
textnets::PrepText(textdata = to_analyze_net[[x]],
groupvar = "AUTHOR",
textvar = "CONTENT",
node_type = "groups",
tokenizer = "words",
pos = "nouns",
# since I've done it already
remove_stop_words = FALSE,
# since I've stemmed externally
compound_nouns = FALSE)
})
names(prepped_tagged) <- period_bands$periodCreate network objects and convert them to igraph representation
pi_networks <- lapply(X = period_bands$period, FUN = function(x) textnets::CreateTextnet(tidytextobject = prepped_tagged[[x]]))
names(pi_networks) <- period_bands$period
converted_graphs <- lapply(X = period_bands$period,
FUN = function(x)
convert_to_igraph(text_network_graph = pi_networks[[x]],
edge_df = to_analyze_net[[x]] %>%
group_by(AUTHOR) %>%
summarise(k = n()) %>%
left_join(y = posl_df %>% filter(period == x))))
names(converted_graphs) <- period_bands$periodEach tab consists of a graph that represent a network for each period:
The sizes of egdes/vertices are scaled to the data from each period so we cannot compare between periods.
plot_graph(converted_graphs[[1]], idx_show_label = V(converted_graphs[[1]])$ip > quantile(V(converted_graphs[[1]])$ip, .9))
plot_graph(converted_graphs[[2]], idx_show_label = V(converted_graphs[[1]])$ip > quantile(V(converted_graphs[[2]])$ip, .9))
plot_graph(converted_graphs[[3]], idx_show_label = V(converted_graphs[[1]])$ip > quantile(V(converted_graphs[[3]])$ip, .9))
It is hard to see any patterns in any of those periods. Mean degree in each period was close to 3 but there were some members that connected to more than 150 members (table below).
graphs_degrees <- do.call(rbind,
lapply(X = period_bands$period,
FUN = function(x){
cbind(data.frame(period = x),
enframe(degree(converted_graphs[[x]])))
}))
graphs_degrees %>%
group_by(period) %>%
summarise(mean(value), max(value)) %>%
left_join(y = graphs_degrees %>% group_by(period) %>% top_n(n = 1, wt = value)) %>%
kable() %>%
kable_styling()| period | mean(value) | max(value) | name | value |
|---|---|---|---|---|
| 1997-2001 | 2.980769 | 156 | Zygmunt Żymełka | 156 |
| 2001-2005 | 2.981432 | 188 | Zyta Gilowska | 188 |
| 2005-2007 | 2.989691 | 192 | Zygmunt Wrzodak | 192 |
What are the top connections (edges)?
do.call(rbind,
lapply(X = period_bands$period,
FUN = function(x) {
mx_w <- get_edge_top_weights(converted_graphs[[x]])
mx_w <- mx_w %>%
left_join(y = un_authors2 %>% filter(period == x) %>% select(V1 = AUTHOR, ugr1 = ugr2) %>% unique(), by = "V1") %>%
left_join(y = un_authors2 %>% filter(period == x) %>% select(V2 = AUTHOR, ugr2 = ugr2) %>% unique(), by = "V2") %>%
select(member1 = V1, party1 = ugr1, member2 = V2, party2 = ugr2, weight = w)
cbind(data.frame(period = x), mx_w)
})) %>%
kable() %>%
kable_styling()| period | member1 | party1 | member2 | party2 | weight |
|---|---|---|---|---|---|
| 1997-2001 | Zbigniew Szymański | KP Akcji Wyborczej Solidarność | Zbigniew Wawak | KP Akcji Wyborczej Solidarność | 0.0653516 |
| 1997-2001 | Zdzisław Denysiuk | KP Akcji Wyborczej Solidarność | Zdzisław Kałamaga | KP Sojuszu Lewicy Demokratycznej | 0.0646151 |
| 1997-2001 | Zygmunt Machnik | KP Sojuszu Lewicy Demokratycznej | Zygmunt Ratman | KP Sojuszu Lewicy Demokratycznej | 0.0681055 |
| 2001-2005 | Witold Hatka | KP Liga Polskich Rodzin | Władysław Rak | KP Sojuszu Lewicy Demokratycznej | 0.0483525 |
| 2001-2005 | Wojciech Olejniczak | KP Sojuszu Lewicy Demokratycznej | Wojciech Szarama | KP Prawo i Sprawiedliwość | 0.0488338 |
| 2001-2005 | Zygmunt Wrzodak | KP Liga Polskich Rodzin | Zyta Gilowska | KP Platforma Obywatelska | 0.0490947 |
| 2005-2007 | Stanisław Zając | KP Prawo i Sprawiedliwość | Stanisław Żelichowski | KP Polskiego Stronnictwa Ludowego | 0.0626255 |
| 2005-2007 | Zbigniew Dolata | KP Prawo i Sprawiedliwość | Zbigniew Girzyński | KP Prawo i Sprawiedliwość | 0.0485816 |
| 2005-2007 | Zofia Grabczan | KP Samoobrona Rzeczypospolitej Polskiej | Zygmunt Wrzodak | Posłowie niezrzeszeni | 0.0463515 |
As we see the top connections mostly between members of the same party, but not always (e.g. Zbyszek Zaborowski from KP Sojuszu Lewicy Demokratycznej and Zdzisław Denysiuk from KP Akcji Wyborczej Solidarność in 1997-2001 term).
Let see if weight depends whether members come from the same party.
do.call(rbind,
lapply(X = period_bands$period,
FUN = function(x) {
mx_w <- get_edge_top_weights(converted_graphs[[x]], n_n = Inf)
mx_w <- mx_w %>%
left_join(y = un_authors2 %>% filter(period == x) %>% select(V1 = stripped, ugr1 = ugr2) %>% unique(), by = "V1") %>%
left_join(y = un_authors2 %>% filter(period == x) %>% select(V2 = stripped, ugr2 = ugr2) %>% unique(), by = "V2") %>%
mutate(diff_party = 1 * (ugr2 != ugr1)) %>%
group_by(diff_party) %>%
summarise(mw = mean(w), sdw = sd(w), count = n())
cbind(data.frame(period = x), mx_w)
})) %>%
pivot_wider(values_fill = 0, id_cols = "period", values_from = c("mw", "sdw", "count"), names_from = "diff_party") %>%
kable() %>%
kable_styling()| period | mw_0 | mw_1 | sdw_0 | sdw_1 | count_0 | count_1 |
|---|---|---|---|---|---|---|
| 1997-2001 | 0.0253298 | 0.0199200 | 0.0218089 | 0.0202883 | 81 | 384 |
| 2001-2005 | 0.0159565 | 0.0159696 | 0.0158799 | 0.0158661 | 74 | 488 |
| 2005-2007 | 0.0218432 | 0.0132100 | 0.0132317 | 0.0145419 | 98 | 482 |
So the majority of edges are for different party members (count_1 higher than count_2) but the connection (edge) is stronger (higher weight) when both members are from the same party(mw_0 is greater than mw_1).
Interestingly in the term of 2001-2005 mean weight of the edge between same party members was similar to the mean weight of the edge between different party members.
Another thing to look at analysing text network is to analyse communties
pi_communities <- lapply(X = period_bands$period, FUN = function(x) textnets::TextCommunities(pi_networks[[x]]))
names(pi_communities) <- period_bands$period
do.call(rbind,
lapply(X = period_bands$period,
FUN = function(x){
res <- pi_communities[[x]] %>%
group_by(modularity_class) %>%
summarise(n_m = n()) %>%
ungroup() %>%
summarise(n_groups = n(), min_mem = min(n_m), max_mem = max(n_m))
cbind(data.frame(period = x), res)
})) %>%
kable() %>%
kable_styling()| period | n_groups | min_mem | max_mem |
|---|---|---|---|
| 1997-2001 | 8 | 6 | 95 |
| 2001-2005 | 6 | 27 | 81 |
| 2005-2007 | 8 | 11 | 102 |
Detailed picture of communities is provided in tabs below. In each period there were 7-8 communities that consists from as little as 14 to as much as 112 members.
pi_communities[[1]] %>%
group_by(modularity_class) %>%
summarise(no_members = n(), members = paste0(group, collapse = "; ")) %>%
kable() %>%
kable_styling()| modularity_class | no_members | members |
|---|---|---|
| 1 | 48 | Adam Biela; Cezary Stryjak; Elżbieta Barys; Grzegorz Kurczuk; Henryk Wujec; Jacek Szczot; Jan Byra; Jan Jackowski; Jan Łopuszański; Janusz Dobrosz; Jarosław Kaczyński; Jarosław Kalinowski; Jerzy Barzowski; Joanna Fabisiak; Kazimierz Dzielski; Krystyna Łybacka; Krzysztof Kamiński; Lesław Podkański; Maciej Jankowski; Maciej Manicki; Marek Biernacki; Marek Kaczyński; Mariusz Kamiński; Michał Janiszewski; Mieczysław Szczygieł; Piotr Gadzinowski; Seweryn Kaczmarek; Stanisław Janas; Stanisław Kalemba; Stanisław Misztal; Stanisław Stec; Stanisław Wądołowski; Szymon Niemiec; Tadeusz Cymański; Tadeusz Tomaszewski; Teresa Liszcz; Tomasz Karwowski; Wiesław Kaczmarek; Witold Firak; Wojciech Hausner; Wojciech Nowaczyk; Wojciech Włodarczyk; Wojciech Zarzycki; Zbigniew Janas; Zbigniew Szymański; Zdzisław Podkański; Zdzisław Pupa; Zdzisław Tuszyński |
| 2 | 95 | Adam Bielan; Aleksander Bentkowski; Andrzej Brachmański; Andrzej Folwarczny; Andrzej Pęczak; Andrzej Słomski; Andrzej Smoliński; Andrzej Szkaradek; Andrzej Umiński; Andrzej Zapałowski; Anna Bańkowska; Anna Zalewska; Bronisława Kowalska; Czesław Ryszka; Danuta Ciborowska; Danuta Grabowska; Elżbieta Radziszewska; Elżbieta Szparaga; Ewa Janik; Ewa Tomaszewska; Franciszek Potulski; Franciszek Stefaniuk; Grzegorz Piechowiak; Helmut Paździor; Henryk Długosz; Henryk Kroll; Izabella Sierakowska; Jan Chmielewski; Jan Kochanowski; Jan Król; Jan Kulas; Jan Lityński; Jan Sieńko; Jan Syczewski; Jan Zaciura; Jerzy Budnik; Jerzy Czepułkowski; Jerzy Jaskiernia; Jerzy Szmajdziński; Joanna Sosnowska; Józef Bergier; Kazimierz Działocha; Kazimierz Kapera; Kazimierz Marcinkiewicz; Kazimierz Sas; Kazimierz Szczygielski; Kazimierz Ujazdowski; Krzysztof Anuszkiewicz; Krzysztof Baszczyński; Krzysztof Janik; Krzysztof Jurgiel; Krzysztof Kłak; Lech Nikolski; Longin Pastusiak; Marcin Zawiła; Marek Olewiński; Marian Blecharczyk; Marian Dembiński; Michał Kaczmarek; Mieczysław Czerniawski; Mieczysław Jacków; Mirosław Czech; Mirosław Koźlakiewicz; Mirosław Kukliński; Regina Pawłowska; Roman Rutkowski; Roman Sroczyński; Ryszard Brejza; Ryszard Hayn; Ryszard Matusiak; Ryszard Stanibuła; Ryszard Ulicki; Sergiusz Plewa; Stanisław Kopeć; Stanisław Pawlak; Stanisław Szwed; Stanisław Zając; Stanisław Żelichowski; Sylwia Pusz; Tadeusz Jarmuziewicz; Teresa Jasztal; Urszula Wachowska; Waldemar Pawłowski; Wiesław Walendziak; Witold Deręgowski; Władysław Kielian; Władysław Skrzypek; Władysław Szkop; Włodzimierz Wasiński; Zbigniew Rynasiewicz; Zbigniew Senkowski; Zbigniew Wawak; Zbyszek Zaborowski; Zdzisława Kobylińska; Zofia Wilczyńska |
| 3 | 58 | Adam Szejnfeld; Andrzej Gargaś; Andrzej Skorulski; Anna Sobecka; Antoni Szymański; Barbara Blida; Bernard Szweda; Bogdan Lewandowski; Dariusz Kubiak; Edward Maniura; Edward Wende; Eugeniusz Kłopotek; Grzegorz Gruszka; Grzegorz Schetyna; Grzegorz Woźny; Helena Góralska; Henryk Goryszewski; Ireneusz Niewiarowski; Jan Chojnacki; Jan Wyrowiński; Janusz Brzeski; Janusz Zemke; Jerzy Madej; Jerzy Polaczek; Jerzy Wierchowicz; Jerzy Zakrzewski; Józef Gruszka; Józef Lassota; Karol Działoszyński; Karol Łużniak; Maciej Rudnicki; Marek Lewandowski; Marek Sawicki; Marek Wikiński; Marek Zieliński; Marian Marczewski; Mieczysław Jedoń; Paweł Arndt; Paweł Piskorski; Piotr Lewandowski; Piotr Miszczuk; Renata Szynalska; Romuald Ajchler; Ryszard Wawryniewicz; Stanisław Pilniakowski; Stefan Macner; Tadeusz Biliński; Tadeusz Syryjczyk; Wiesław Ciesielski; Wiesław Kiełbowicz; Wiesław Szczepański; Witold Nieduszyński; Władysław Frasyniuk; Władysław Rak; Zbigniew Janowski; Zbigniew Siemiątkowski; Zbigniew Zarębski; Zdzisław Denysiuk |
| 4 | 19 | Adam Wędrychowicz; Andrzej Brzeski; Grzegorz Cygonik; Henryk Dykty; Irena Nowacka; Jan Rokita; Jan Szymański; Józef Nowicki; Kazimierz Nycz; Lech Szymańczyk; Marek Markiewicz; Mariusz Grabowski; Mirosław Swoszowski; Ryszard Ostrowski; Tadeusz Lewandowski; Wacław Olak; Waldemar Sikora; Wiesław Woda; Zenon Kufel |
| 5 | 35 | Agnieszka Pasternak; Alfred Owoc; Andrzej Kozioł; Andrzej Otręba; Andrzej Żelazowski; Anna Filek; Barbara Frączek; Barbara Imiołczyk; Bogdan Pęk; Jacek Kasprzyk; Jan Olszewski; Jerzy Godzik; Jerzy Wenderlich; Jolanta Banach; Józef Górny; Józef Oleksy; Katarzyna Piekarska; Kazimierz Chrzanowski; Kosma Złotowski; Krystyna Herman; Ludwik Dorn; Marek Mazurkiewicz; Maria Smereczyńska; Paweł Bryłowski; Piotr Żak; Seweryn Jurgielaniec; Tadeusz Iwiński; Tadeusz Mazowiecki; Tadeusz Pawlus; Tadeusz Zieliński; Witold Tomczak; Władysław Adamski; Władysław Bułka; Włodzimierz Puzyna; Zbigniew Sobotka |
| 6 | 35 | Andrzej Osnowski; Andrzej Szarawarski; Andrzej Zając; Czesław Fiedorowicz; Czesław Pogoda; Czesław Śleziak; Edward Daszkiewicz; Grzegorz Walendzik; Jan Oraniec; Jan Rejczak; Janina Kraus; Jerzy Jankowski; Jerzy Zając; Józef Błaszczyk; Józef Korpak; Kazimierz Poznański; Krystyna Cencek; Krzysztof Śmieja; Marek Dyduch; Marek Wójcik; Maria Stolzman; Marian Juśko; Mirosław Pawlak; Mirosław Podsiadło; Paweł Nowok; Piotr Ikonowicz; Stanisław Iwanicki; Stanisław Kracik; Tadeusz Wrona; Władysław Stępień; Wojciech Frank; Zdzisław Kałamaga; Zygmunt Machnik; Zygmunt Ratman; Zygmunt Żymełka |
| 7 | 16 | Bogumił Borowski; Bogusław Liberadzki; Ewa Freyberg; Jacek Piechota; Jerzy Gwiżdż; Józef Mozolewski; Kazimierz Barczyk; Krzysztof Oksiuta; Leszek Szewc; Marian Cycoń; Mariusz Ambroziak; Michał Kamiński; Radosław Gawlik; Ryszard Zbrzyzny; Tadeusz Maćkała; Wacław Martyniuk |
| 8 | 6 | Bronisław Dankowski; Jan Klimek; Józef Pilarczyk; Stanisław Brzózka; Szczepan Skomra; Wiktor Osik |
pi_communities[[2]] %>%
group_by(modularity_class) %>%
summarise(no_members = n(), members = paste0(group, collapse = "; ")) %>%
kable() %>%
kable_styling()| modularity_class | no_members | members |
|---|---|---|
| 1 | 31 | Adam Lipiński; Andrzej Gałażewski; Bolesław Piecha; Bożena Kozłowska; Czesław Cieślak; Eugeniusz Wycisło; Franciszek Franczak; Franciszek Potulski; Franciszek Stefaniuk; Franciszek Wołowicz; Gabriel Janowski; Gabriela Masłowska; Ireneusz Niewiarowski; Jan Antochowski; Jan Rzymełka; Józef Mioduszewski; Józef Nowicki; Józef Szczepańczyk; Krzysztof Filipek; Marian Marczewski; Marian Piłka; Mariusz Kamiński; Michał Figlus; Ryszard Pojda; Sebastian Florek; Tadeusz Motowidło; Tadeusz Samborski; Tomasz Tomczykiewicz; Władysław Stępień; Włodzimierz Czechowski; Zbyszek Zaborowski |
| 2 | 80 | Adam Markiewicz; Adam Szejnfeld; Aldona Michalak; Andrzej Aumiller; Andrzej Brachmański; Andrzej Otręba; Andrzej Zając; Barbara Blida; Barbara Marianowska; Bogdan Błaszczyk; Bogdan Zdrojewski; Cezary Grabarczyk; Cezary Stryjak; Czesław Pogoda; Edmund Borawski; Ewa Janik; Grzegorz Gruszka; Grzegorz Woźny; Jacek Falfus; Jacek Kasprzyk; Jan Klimek; Jan Knapik; Jan Kochanowski; Jan Kubik; Jan Łączny; Jan Szwarc; Janusz Krasoń; Janusz Lisak; Janusz Piechociński; Jarosław Duda; Jerzy Budnik; Jerzy Pękała; Joanna Senyszyn; Józef Cepil; Józef Głowa; Józef Gruszka; Józef Kubica; Józef Tomala; Kazimierz Chrzanowski; Kazimierz Pietrzyk; Kazimierz Sas; Krystyna Herman; Leszek Samborski; Leszek Świętochowski; Marcin Wnuk; Marek Sawicki; Marek Wikiński; Marek Żyliński; Marian Kawa; Marian Stępień; Michał Stuligrosz; Mieczysław Jedoń; Olgierd Poniźnik; Robert Luśnia; Roman Jagieliński; Romuald Ajchler; Ryszard Nowak; Ryszard Zbrzyzny; Stanisław Gorczyca; Stanisław Jarmoliński; Stanisław Piosik; Stanisław Rydzoń; Stanisław Stec; Stanisław Szyszkowski; Stanisław Żmijan; Tadeusz Kaleniecki; Tadeusz Maćkała; Tadeusz Myler; Waldemar Borczyk; Waldemar Pawlak; Waldy Dzikowski; Władysław Rak; Wojciech Długoborski; Wojciech Domaradzki; Zbigniew Janowski; Zbigniew Krutczenko; Zbigniew Musiał; Zbigniew Podraza; Zdzisław Kałamaga; Zyta Gilowska |
| 3 | 81 | Adam Ołdakowski; Adam Woś; Aleksander Czuż; Aleksander Grad; Alfred Budner; Alfred Owoc; Alicja Lis; Andrzej Fedorowicz; Andrzej Grzesik; Andrzej Grzyb; Andrzej Mańka; Andrzej Umiński; Arkadiusz Bratkowski; Arkadiusz Kasznia; Barbara Ciruk; Benedykt Suchecki; Bogusław Wontor; Bolesław Bujak; Bronisław Dankowski; Czesław Marzec; Czesław Śleziak; Eugeniusz Czykwin; Eugeniusz Kłopotek; Genowefa Wiśniowska; Grzegorz Górniak; Grzegorz Kurczuk; Halina Murias; Helmut Paździor; Henryk Ostrowski; Irena Nowacka; Izabella Sierakowska; Jan Byra; Jan Orkisz; Jan Tomaka; Jan Zaworski; Jarosław Zieliński; Jerzy Jaskiernia; Józef Laskowski; Józef Skutecki; Katarzyna Piekarska; Krystian Łuczak; Lech Kuropatwiński; Marek Muszyński; Marek Zagórski; Maria Dziuba; Maria Wiśniowiecka; Maria Zbyrowska; Marian Curyło; Marian Kwiatkowski; Marian Wesołowski; Mieczysław Aszkiełowicz; Mieczysław Czerniawski; Mieczysław Kasprzak; Renata Beger; Roman Giertych; Ryszard Stanibuła; Stanisław Dulias; Stanisław Janas; Stanisław Kalemba; Stanisław Kopeć; Stanisław Żelichowski; Szczepan Skomra; Szymon Giżyński; Tadeusz Badach; Tadeusz Balcerowski; Tadeusz Cymański; Tadeusz Gajda; Tadeusz Iwiński; Tadeusz Polański; Tadeusz Szukała; Tadeusz Tomaszewski; Tadeusz Urban; Tadeusz Wojtkowiak; Wacław Klukowski; Wiesław Woda; Wiktor Osik; Wojciech Borzuchowski; Wojciech Olejniczak; Wojciech Zarzycki; Zbigniew Deptuła; Zbigniew Siemiątkowski |
| 4 | 27 | Adam Sosnowski; Agnieszka Pasternak; Aleksander Szczygło; Aleksandra Jakubowska; Antoni Macierewicz; Bogdan Bujak; Ewa Kantor; Grzegorz Dolniak; Hanna Gucwińska; Jan Rokita; Jan Sztwiertnia; Jerzy Młynarczyk; Jerzy Szteliga; Krystyna Łybacka; Krzysztof Zaremba; Lech Zielonka; Leszek Korzeniowski; Marek Borowski; Mariusz Grabowski; Michał Turkiewicz; Renata Basta; Ryszard Maraszek; Sławomir Nowak; Stanisław Gudzowski; Stanisława Prządka; Wiesław Jędrusik; Wojciech Jasiński |
| 5 | 81 | Aleksandra Gramała; Andrzej Jagiełło; Andrzej Liss; Andrzej Namysło; Andrzej Wojtyła; Anna Bańkowska; Anna Filek; Anna Sobecka; Antoni Mężydło; Antoni Stryjewski; Bartłomiej Szrajber; Bogusława Towalewska; Bronisław Dutka; Bronisława Kowalska; Danuta Ciborowska; Danuta Polak; Dorota Kwaśniewska; Edward Maniura; Edward Płonka; Edward Wojtalik; Elżbieta Bolek; Elżbieta Jankowska; Elżbieta Łukacijewska; Elżbieta Radziszewska; Elżbieta Romero; Elżbieta Szparaga; Ewa Sowińska; Grażyna Ciemniak; Grażyna Paturalska; Grażyna Pijanowska; Grzegorz Napieralski; Grzegorz Schetyna; Hanna Mierzejewska; Jacek Kowalik; Jacek Sauk; Jan Sieńko; Jan Szymański; Jarosław Kalinowski; Jerzy Müller; Joanna Nowiak; Joanna Sosnowska; Jolanta Banach; Jolanta Szczypińska; Józef Fortuna; Józef Oleksy; Józef Pilarczyk; Kazimierz Marcinkiewicz; Kazimierz Plocke; Krystyna Szumilas; Krzysztof Baszczyński; Krzysztof Rutkowski; Leszek Zieliński; Magdalena Banaś; Małgorzata Rohde; Małgorzata Stryjska; Marek Kuchciński; Maria Nowak; Marian Janicki; Mariola Sokołowska; Mariusz Łapiński; Mirosław Krajewski; Mirosław Pawlak; Mirosława Kątna; Piotr Kozłowski; Renata Szynalska; Robert Smoleń; Ryszard Tomczyk; Sławomir Rybicki; Stanisław Kalinowski; Sylwia Pusz; Tadeusz Kędziak; Tadeusz Parchański; Teresa Jasztal; Teresa Piotrowska; Tomasz Mamiński; Tomasz Szczypiński; Witold Hatka; Wojciech Szarama; Zbigniew Chlebowski; Zbigniew Sosnowski; Zofia Wilczyńska |
| 6 | 77 | Alicja Olechowska; Andrzej Czerwiński; Andrzej Lepper; Andrzej Markowiak; Andrzej Pęczak; Andrzej Różański; Artur Zawisza; Bogdan Lewandowski; Bohdan Kopczyński; Bożena Kizińska; Bronisław Komorowski; Danuta Grabowska; Danuta Hojarska; Dariusz Bachalski; Elżbieta Kruk; Ewa Kopacz; Ewa Kralkowska; Gertruda Szumska; Grzegorz Tuderek; Halina Szustak; Jacek Wojciechowicz; Jacek Zdrojewski; Jan Bury; Jan Chojnacki; Jan Łopuszański; Janusz Dobrosz; Jerzy Czerwiński; Jerzy Michalski; Jerzy Polaczek; Jerzy Wenderlich; Józef Krzyworzeka; Józef Skowyra; Kazimierz Ujazdowski; Kazimierz Wójcik; Konstanty Miodowicz; Krystyna Grabicka; Krystyna Ozga; Krystyna Skowrońska; Krzysztof Oksiuta; Leszek Murzyn; Leszek Sułek; Ludwik Dorn; Łukasz Abgarowicz; Maciej Płażyński; Marek Jurek; Marek Kotlinowski; Marek Suski; Marian Widz; Paweł Graś; Paweł Poncyljusz; Piotr Gadzinowski; Piotr Krzywicki; Piotr Smolana; Przemysław Gosiewski; Renata Rochnowska; Robert Strąk; Ryszard Hayn; Ryszard Kalisz; Ryszard Kędra; Stanisław Łyżwiński; Stanisław Papież; Stanisław Zadora; Tadeusz Jarmuziewicz; Tomasz Markowski; Wanda Łyżwińska; Wiesław Kaczmarek; Wiesław Okoński; Wojciech Mojzesowicz; Zbigniew Dziewulski; Zbigniew Nowak; Zbigniew Wassermann; Zbigniew Witaszek; Zbigniew Ziobro; Zdzisław Jankowski; Zenon Tyma; Zygmunt Szymański; Zygmunt Wrzodak |
pi_communities[[3]] %>%
group_by(modularity_class) %>%
summarise(no_members = n(), members = paste0(group, collapse = "; ")) %>%
kable() %>%
kable_styling()| modularity_class | no_members | members |
|---|---|---|
| 1 | 102 | Adam Hofman; Adam Ołdakowski; Adam Rogacki; Aldona Młyńczak; Aleksander Chłopek; Andrzej Dera; Andrzej Gałażewski; Antoni Mężydło; Arkadiusz Rybicki; Arnold Masin; Artur Górski; Bartłomiej Szrajber; Beata Bublewicz; Beata Sawicka; Beata Szydło; Czesław Hoc; Czesław Mroczek; Daniel Pawłowiec; Daniela Chrapkiewicz; Danuta Pietraszewska; Dariusz Lipiński; Elżbieta Pierzchała; Elżbieta Ratajczak; Elżbieta Wiśniowska; Ewa Kopacz; Ewa Więckowska; Ewa Wolak; Halina Molka; Hubert Costa; Jacek Tomczak; Jadwiga Wiśniewska; Jadwiga Zakrzewska; Jan Bednarek; Jan Libicki; Jan Ołdakowski; Jan Rzymełka; Janusz Wójcik; Jarosław Duda; Jerzy Fedorowicz; Jerzy Kozdroń; Jerzy Zawisza; Joanna Fabisiak; Józef Stępkowski; Kazimierz Chrzanowski; Kazimierz Gołojuch; Kazimierz Gwiazdowski; Kazimierz Matuszny; Krystyna Łybacka; Krystyna Szumilas; Krzysztof Lisek; Krzysztof Sikora; Krzysztof Szyga; Leszek Korzeniowski; Lucyna Wiśniewska; Maciej Świątkowski; Małgorzata Olejnik; Małgorzata Sadurska; Małgorzata Stryjska; Marek Kawa; Marek Matuszewski; Marek Polak; Maria Nowak; Marian Piłka; Michał Jach; Michał Stuligrosz; Monika Ryniak; Paweł Arndt; Paweł Poncyljusz; Paweł Śpiewak; Przemysław Andrejuk; Radosław Parda; Rafał Muchacki; Renata Rochnowska; Robert Pantera; Roman Kosecki; Ryszard Knosala; Sławomir Piechota; Stanisław Zadora; Tadeusz Aziewicz; Tadeusz Cymański; Tadeusz Iwiński; Tadeusz Jarmuziewicz; Tadeusz Kopeć; Tadeusz Motowidło; Tadeusz Wita; Teresa Piotrowska; Tomasz Dudziński; Tomasz Garbowski; Tomasz Górski; Tomasz Kulesza; Tomasz Latos; Tomasz Nowak; Tomasz Szczypiński; Waldemar Andzel; Waldemar Szadny; Waldy Dzikowski; Wiesław Kilian; Wojciech Ziemniak; Zbigniew Chmielowiec; Zbigniew Dolata; Zbigniew Pacelt; Zbigniew Włodkowski |
| 2 | 68 | Adam Szejnfeld; Alicja Olechowska; Alojzy Lysko; Andrzej Adamczyk; Andrzej Czerwiński; Andrzej Grzesik; Andrzej Lepper; Andrzej Markowiak; Andrzej Ruciński; Andrzej Szlachta; Anna Paluch; Artur Ostrowski; Artur Zawisza; Barbara Marianowska; Beata Kempa; Bolesław Piecha; Czesław Litwin; Dariusz Olszewski; Edmund Borawski; Edward Ośko; Elżbieta Witek; Eugeniusz Wycisło; Ewa Janik; Ewa Malik; Gabriela Masłowska; Grzegorz Janik; Grzegorz Schetyna; Grzegorz Tobiszowski; Henryk Milcarz; Izabela Kloc; Jacek Falfus; Jacek Kościelniak; Jan Łączny; Janusz Chwierut; Janusz Dobrosz; Janusz Maksymiuk; Jerzy Budnik; Józef Berger; Krzysztof Filipek; Krzysztof Gadowski; Krzysztof Grzegorek; Krzysztof Lipiec; Krzysztof Mikuła; Krzysztof Tchórzewski; Leszek Sułek; Lidia Staroń; Lucjan Karasiewicz; Maks Kraczkowski; Marek Ast; Marek Surmacz; Marzena Paduch; Michał Wójcik; Michał Wojtkiewicz; Paweł Graś; Paweł Olszewski; Rafał Grupiński; Ryszard Wawryniewicz; Ryszard Zbrzyzny; Sebastian Karpiniuk; Stanisław Żmijan; Tomasz Głogowski; Tomasz Markowski; Urszula Augustyn; Wacław Martyniuk; Wanda Łyżwińska; Wiesław Szczepański; Wojciech Saługa; Zygmunt Wrzodak |
| 3 | 82 | Aleksander Grad; Aleksander Sopliński; Alfred Budner; Alina Gut; Andrzej Ćwierz; Andrzej Grzyb; Andrzej Mańka; Andrzej Pałys; Beata Mazurek; Bernard Ptak; Bogdan Bojko; Bogdan Zdrojewski; Bolesław Borysiuk; Bronisław Dutka; Edward Czesak; Elżbieta Łukacijewska; Eugeniusz Grzeszczak; Franciszek Stefaniuk; Grzegorz Kołacz; Grzegorz Kurczuk; Grzegorz Woźny; Halina Murias; Halina Olendzka; Henryk Smolarz; Ireneusz Raś; Jacek Krupa; Jakub Rutnicki; Jan Bestry; Jan Bury; Jan Łopata; Jan Rokita; Janusz Palikot; Jarosław Rusiecki; Jarosław Stawiarski; Jarosław Urbaniak; Jarosław Wałęsa; Jarosław Żaczek; Jerzy Bielecki; Józef Cepil; Karolina Gajewska; Kazimierz Moskal; Krystyna Skowrońska; Lech Kołakowski; Marek Opioła; Marek Sawicki; Maria Zbyrowska; Marian Daszyk; Mieczysław Aszkiełowicz; Mieczysław Golba; Mieczysław Kasprzak; Mirosław Koźlakiewicz; Renata Beger; Ryszard Kalisz; Sławomir Zawiślak; Stanisław Chmielewski; Stanisław Gawłowski; Stanisław Gorczyca; Stanisław Kalemba; Stanisław Lamczyk; Stanisław Łyżwiński; Stanisław Papież; Stanisław Piosik; Stanisław Rydzoń; Stanisław Stec; Stanisław Szwed; Stanisław Żelichowski; Stanisława Okularczyk; Stanisława Prządka; Tadeusz Plawgo; Tadeusz Sławecki; Tadeusz Woźniak; Wiesław Jędrusik; Wiesław Woda; Władysław Stępień; Włodzimierz Karpiński; Włodzimierz Stępień; Wojciech Pomajda; Wojciech Romaniuk; Wojciech Wilk; Zbigniew Rynasiewicz; Zenon Wiśniewski; Zofia Grabczan |
| 4 | 28 | Andrzej Biernat; Andrzej Fedorowicz; Anita Błochowiak; Arkady Fiedler; Cezary Grabarczyk; Damian Raczkowski; Elżbieta Jankowska; Eugeniusz Czykwin; Genowefa Wiśniowska; Grażyna Tyszko; Jacek Bogucki; Jan Jarota; Jarosław Jagiełło; Jarosław Zieliński; Joanna Skrzydlewska; Józef Klim; Krzysztof Jurgiel; Marek Strzaliński; Piotr Gadzinowski; Piotr Krzywicki; Piotr Misztal; Robert Tyszkiewicz; Ryszard Galla; Sylwester Pawłowski; Szymon Pawłowski; Wojciech Olejniczak; Wojciech Szarama; Wojciech Wierzejski |
| 5 | 50 | Andrzej Czuma; Andrzej Halicki; Andrzej Kłopotek; Andrzej Liss; Andrzej Walkowiak; Anna Sobecka; Antoni Sosnowski; Arkadiusz Litwiński; Domicela Kopaczewska; Grażyna Ciemniak; Grzegorz Napieralski; Henryk Młynarczyk; Iwona Arent; Jacek Kurski; Jacek Piechota; Jan Wyrowiński; Janusz Zemke; Jerzy Szmajdziński; Jerzy Wenderlich; Joachim Brudziński; Jolanta Hibner; Jolanta Szczypińska; Karol Karski; Kazimierz Kleina; Krystian Łuczak; Krystyna Ozga; Krzysztof Zaremba; Lech Kuropatwiński; Lech Szymańczyk; Łukasz Zbonikowski; Magdalena Kochan; Marek Biernacki; Mateusz Piskorski; Mieczysław Łuczak; Mirosław Krajewski; Mirosław Pawlak; Mirosława Masłowska; Rafał Wiechecki; Robert Strąk; Ryszard Kaczyński; Sławomir Jeneralski; Sławomir Nitras; Sławomir Nowak; Sławomir Rybicki; Stanisław Wziątek; Tomasz Lenz; Waldemar Nowakowski; Witold Hatka; Zbigniew Girzyński; Zbigniew Kozak |
| 6 | 11 | Arkadiusz Mularczyk; Jakub Szulc; Jerzy Gosiewski; Kazimierz Plocke; Krzysztof Czarnecki; Krzysztof Maciejewski; Marek Kuchciński; Paweł Kowal; Sandra Lewandowska; Waldemar Pawlak; Witold Czarnecki |
| 7 | 29 | Bogusław Bosak; Bogusław Sobczak; Bogusław Wontor; Bożenna Bukiewicz; Czesław Fiedorowicz; Dawid Jackiewicz; Edward Siarka; Giovanni Roman; Grzegorz Dolniak; Halina Rozpondek; Henryk Gołębiewski; Henryk Siedlaczek; Izabela Mrzygłocka; Janusz Krasoń; Jerzy Materna; Katarzyna Piekarska; Krzysztof Bosak; Leszek Murzyn; Marek Wikiński; Marzena Machałek; Marzena Wróbel; Michał Tober; Mirosław Maliszewski; Roman Giertych; Stanisław Huskowski; Tadeusz Tomaszewski; Waldemar Wiązowski; Witold Bałażak; Wojciech Picheta |
| 8 | 18 | Danuta Jazłowiecka; Jan Kochanowski; Jan Szwarc; Jan Tomaka; Janusz Kołodziej; Julia Pitera; Marek Łatas; Marek Wójcik; Maria Zuba; Rajmund Moric; Robert Ambroziewicz; Stanisław Pięta; Stanisław Zając; Szczepan Skomra; Tomasz Tomczykiewicz; Waldemar Starosta; Zbigniew Chlebowski; Zbyszek Zaborowski |
Next question is: does the party distribution matches group distribution? To answer this question, for each term I’ll calculate the distribution of party members across groups and also distribution of groups in term of parties.
What is interesting:
nn <- "1997-2001"
pi_communities[[nn]] %>%
left_join(un_authors2 %>% filter(period == nn) %>%
select(group = stripped, party = ugr2), by = "group") %>%
group_by(modularity_class, party) %>%
summarise(member_count = n()) %>%
ggplot(mapping = aes(y = member_count, fill = party, group = party)) +
geom_col(aes(x = 1), position = "fill") +
coord_flip() +
facet_wrap(~modularity_class) +
theme_void() +
theme(legend.position = "right")
pi_communities[[nn]] %>%
left_join(un_authors2 %>% filter(period == nn) %>%
select(group = stripped, party = ugr2), by = "group") %>%
group_by(modularity_class, party) %>%
summarise(member_count = n()) %>%
pivot_wider(values_fill = 0, id_cols = "party", values_from = "member_count", names_from = "modularity_class") %>%
kable() %>%
kable_styling()| party | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
|---|---|---|---|---|---|---|---|---|
| KP Akcji Wyborczej Solidarność | 21 | 37 | 13 | 6 | 11 | 14 | 6 | 0 |
| KP Alternatywa | 2 | 0 | 0 | 0 | 0 | 1 | 0 | 0 |
| KP Polskiego Stronnictwa Ludowego | 9 | 4 | 6 | 2 | 1 | 1 | 0 | 1 |
| KP Porozumienia Polskiego | 2 | 0 | 0 | 2 | 1 | 0 | 0 | 0 |
| KP Prawo i Sprawiedliwość | 3 | 10 | 3 | 0 | 1 | 0 | 1 | 0 |
| KP Ruchu Odbudowy Polski | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 |
| KP Sojuszu Lewicy Demokratycznej | 36 | 86 | 40 | 12 | 48 | 35 | 9 | 7 |
| KP Stronnictwa Konserwatywno-Ludowego | 1 | 2 | 3 | 2 | 0 | 0 | 2 | 0 |
| KP Unii Wolności | 2 | 15 | 18 | 3 | 8 | 6 | 3 | 0 |
| Posłowie niezrzeszeni | 5 | 7 | 9 | 4 | 1 | 3 | 1 | 1 |
pi_communities[[nn]] %>%
left_join(un_authors2 %>% filter(period == nn) %>%
select(group = stripped, party = ugr2), by = "group") %>%
group_by(modularity_class, party) %>%
summarise(member_count = n()) %>%
group_by(modularity_class) %>%
mutate(mw = round(100 * member_count / sum(member_count, 0))) %>%
pivot_wider(values_fill = 0, id_cols = "party", values_from = "mw", names_from = "modularity_class") %>%
kable() %>%
kable_styling()| party | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
|---|---|---|---|---|---|---|---|---|
| KP Akcji Wyborczej Solidarność | 26 | 23 | 14 | 19 | 15 | 23 | 27 | 0 |
| KP Alternatywa | 2 | 0 | 0 | 0 | 0 | 2 | 0 | 0 |
| KP Polskiego Stronnictwa Ludowego | 11 | 2 | 7 | 6 | 1 | 2 | 0 | 11 |
| KP Porozumienia Polskiego | 2 | 0 | 0 | 6 | 1 | 0 | 0 | 0 |
| KP Prawo i Sprawiedliwość | 4 | 6 | 3 | 0 | 1 | 0 | 5 | 0 |
| KP Ruchu Odbudowy Polski | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 |
| KP Sojuszu Lewicy Demokratycznej | 44 | 53 | 43 | 39 | 67 | 58 | 41 | 78 |
| KP Stronnictwa Konserwatywno-Ludowego | 1 | 1 | 3 | 6 | 0 | 0 | 9 | 0 |
| KP Unii Wolności | 2 | 9 | 20 | 10 | 11 | 10 | 14 | 0 |
| Posłowie niezrzeszeni | 6 | 4 | 10 | 13 | 1 | 5 | 5 | 11 |
pi_communities[[nn]] %>%
left_join(un_authors2 %>% filter(period == nn) %>%
select(group = stripped, party = ugr2), by = "group") %>%
group_by(modularity_class, party) %>%
summarise(member_count = n()) %>%
group_by(party) %>%
mutate(mw = round(100 * member_count / sum(member_count), 0)) %>%
pivot_wider(values_fill = 0, id_cols = "party", values_from = "mw", names_from = "modularity_class") %>%
kable() %>%
kable_styling()| party | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
|---|---|---|---|---|---|---|---|---|
| KP Akcji Wyborczej Solidarność | 19 | 34 | 12 | 6 | 10 | 13 | 6 | 0 |
| KP Alternatywa | 67 | 0 | 0 | 0 | 0 | 33 | 0 | 0 |
| KP Polskiego Stronnictwa Ludowego | 38 | 17 | 25 | 8 | 4 | 4 | 0 | 4 |
| KP Porozumienia Polskiego | 40 | 0 | 0 | 40 | 20 | 0 | 0 | 0 |
| KP Prawo i Sprawiedliwość | 17 | 56 | 17 | 0 | 6 | 0 | 6 | 0 |
| KP Ruchu Odbudowy Polski | 50 | 0 | 0 | 0 | 50 | 0 | 0 | 0 |
| KP Sojuszu Lewicy Demokratycznej | 13 | 32 | 15 | 4 | 18 | 13 | 3 | 3 |
| KP Stronnictwa Konserwatywno-Ludowego | 10 | 20 | 30 | 20 | 0 | 0 | 20 | 0 |
| KP Unii Wolności | 4 | 27 | 33 | 5 | 15 | 11 | 5 | 0 |
| Posłowie niezrzeszeni | 16 | 23 | 29 | 13 | 3 | 10 | 3 | 3 |
nn <- "2001-2005"
pi_communities[[nn]] %>%
left_join(un_authors2 %>% filter(period == nn) %>%
select(group = stripped, party = ugr2), by = "group") %>%
group_by(modularity_class, party) %>%
summarise(member_count = n()) %>%
ggplot(mapping = aes(y = member_count, fill = party, group = party)) +
geom_col(aes(x = 1), position = "fill") +
coord_flip() +
facet_wrap(~modularity_class) +
theme_void() +
theme(legend.position = "right")
pi_communities[[nn]] %>%
left_join(un_authors2 %>% filter(period == nn) %>%
select(group = stripped, party = ugr2), by = "group") %>%
group_by(modularity_class, party) %>%
summarise(member_count = n()) %>%
pivot_wider(values_fill = 0, id_cols = "party", values_from = "member_count", names_from = "modularity_class") %>%
kable() %>%
kable_styling()| party | 1 | 2 | 3 | 4 | 5 | 6 |
|---|---|---|---|---|---|---|
| KP Konserwatywno-Ludowe | 1 | 0 | 0 | 0 | 4 | 1 |
| KP Liga Polskich Rodzin | 1 | 0 | 6 | 1 | 3 | 10 |
| KP Platforma Obywatelska | 5 | 19 | 3 | 7 | 21 | 22 |
| KP Polskiego Stronnictwa Ludowego | 6 | 10 | 20 | 0 | 8 | 2 |
| KP Prawo i Sprawiedliwość | 7 | 13 | 8 | 3 | 22 | 29 |
| KP Ruch Patriotyczny | 1 | 0 | 2 | 0 | 0 | 0 |
| KP Samoobrona Rzeczypospolitej Polskiej | 4 | 5 | 47 | 0 | 2 | 27 |
| KP Socjaldemokracji Polskiej | 1 | 8 | 10 | 5 | 12 | 1 |
| KP Sojuszu Lewicy Demokratycznej | 14 | 62 | 32 | 17 | 34 | 15 |
| KP Stronnictwa Gospodarczego | 2 | 5 | 3 | 1 | 3 | 0 |
| KP Unii Pracy | 1 | 2 | 3 | 2 | 2 | 1 |
| Posłowie niezrzeszeni | 1 | 11 | 9 | 2 | 6 | 12 |
| KP „Dom Ojczysty” | 0 | 1 | 3 | 1 | 0 | 5 |
| KP Porozumienia Polskiego | 0 | 0 | 0 | 3 | 0 | 1 |
| KP Ruchu Katolicko-Narodowego | 0 | 0 | 0 | 1 | 2 | 2 |
| KP Ruchu Odbudowy Polski | 0 | 0 | 0 | 0 | 1 | 0 |
pi_communities[[nn]] %>%
left_join(un_authors2 %>% filter(period == nn) %>%
select(group = stripped, party = ugr2), by = "group") %>%
group_by(modularity_class, party) %>%
summarise(member_count = n()) %>%
group_by(modularity_class) %>%
mutate(mw = round(100 * member_count / sum(member_count, 0))) %>%
pivot_wider(values_fill = 0, id_cols = "party", values_from = "mw", names_from = "modularity_class") %>%
kable() %>%
kable_styling()| party | 1 | 2 | 3 | 4 | 5 | 6 |
|---|---|---|---|---|---|---|
| KP Konserwatywno-Ludowe | 2 | 0 | 0 | 0 | 3 | 1 |
| KP Liga Polskich Rodzin | 2 | 0 | 4 | 2 | 2 | 8 |
| KP Platforma Obywatelska | 11 | 14 | 2 | 16 | 18 | 17 |
| KP Polskiego Stronnictwa Ludowego | 14 | 7 | 14 | 0 | 7 | 2 |
| KP Prawo i Sprawiedliwość | 16 | 10 | 5 | 7 | 18 | 23 |
| KP Ruch Patriotyczny | 2 | 0 | 1 | 0 | 0 | 0 |
| KP Samoobrona Rzeczypospolitej Polskiej | 9 | 4 | 32 | 0 | 2 | 21 |
| KP Socjaldemokracji Polskiej | 2 | 6 | 7 | 12 | 10 | 1 |
| KP Sojuszu Lewicy Demokratycznej | 32 | 46 | 22 | 40 | 28 | 12 |
| KP Stronnictwa Gospodarczego | 5 | 4 | 2 | 2 | 2 | 0 |
| KP Unii Pracy | 2 | 1 | 2 | 5 | 2 | 1 |
| Posłowie niezrzeszeni | 2 | 8 | 6 | 5 | 5 | 9 |
| KP „Dom Ojczysty” | 0 | 1 | 2 | 2 | 0 | 4 |
| KP Porozumienia Polskiego | 0 | 0 | 0 | 7 | 0 | 1 |
| KP Ruchu Katolicko-Narodowego | 0 | 0 | 0 | 2 | 2 | 2 |
| KP Ruchu Odbudowy Polski | 0 | 0 | 0 | 0 | 1 | 0 |
pi_communities[[nn]] %>%
left_join(un_authors2 %>% filter(period == nn) %>%
select(group = stripped, party = ugr2), by = "group") %>%
group_by(modularity_class, party) %>%
summarise(member_count = n()) %>%
group_by(party) %>%
mutate(mw = round(100 * member_count / sum(member_count), 0)) %>%
pivot_wider(values_fill = 0, id_cols = "party", values_from = "mw", names_from = "modularity_class") %>%
kable() %>%
kable_styling()| party | 1 | 2 | 3 | 4 | 5 | 6 |
|---|---|---|---|---|---|---|
| KP Konserwatywno-Ludowe | 17 | 0 | 0 | 0 | 67 | 17 |
| KP Liga Polskich Rodzin | 5 | 0 | 29 | 5 | 14 | 48 |
| KP Platforma Obywatelska | 6 | 25 | 4 | 9 | 27 | 29 |
| KP Polskiego Stronnictwa Ludowego | 13 | 22 | 43 | 0 | 17 | 4 |
| KP Prawo i Sprawiedliwość | 9 | 16 | 10 | 4 | 27 | 35 |
| KP Ruch Patriotyczny | 33 | 0 | 67 | 0 | 0 | 0 |
| KP Samoobrona Rzeczypospolitej Polskiej | 5 | 6 | 55 | 0 | 2 | 32 |
| KP Socjaldemokracji Polskiej | 3 | 22 | 27 | 14 | 32 | 3 |
| KP Sojuszu Lewicy Demokratycznej | 8 | 36 | 18 | 10 | 20 | 9 |
| KP Stronnictwa Gospodarczego | 14 | 36 | 21 | 7 | 21 | 0 |
| KP Unii Pracy | 9 | 18 | 27 | 18 | 18 | 9 |
| Posłowie niezrzeszeni | 2 | 27 | 22 | 5 | 15 | 29 |
| KP „Dom Ojczysty” | 0 | 10 | 30 | 10 | 0 | 50 |
| KP Porozumienia Polskiego | 0 | 0 | 0 | 75 | 0 | 25 |
| KP Ruchu Katolicko-Narodowego | 0 | 0 | 0 | 20 | 40 | 40 |
| KP Ruchu Odbudowy Polski | 0 | 0 | 0 | 0 | 100 | 0 |
nn <- "2005-2007"
pi_communities[[nn]] %>%
left_join(un_authors2 %>% filter(period == nn) %>%
select(group = stripped, party = ugr2), by = "group") %>%
group_by(modularity_class, party) %>%
summarise(member_count = n()) %>%
ggplot(mapping = aes(y = member_count, fill = party, group = party)) +
geom_col(aes(x = 1), position = "fill") +
coord_flip() +
facet_wrap(~modularity_class) +
theme_void() +
theme(legend.position = "right")
pi_communities[[nn]] %>%
left_join(un_authors2 %>% filter(period == nn) %>%
select(group = stripped, party = ugr2), by = "group") %>%
group_by(modularity_class, party) %>%
summarise(member_count = n()) %>%
pivot_wider(values_fill = 0, id_cols = "party", values_from = "member_count", names_from = "modularity_class") %>%
kable() %>%
kable_styling()| party | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
|---|---|---|---|---|---|---|---|---|
| KP Liga Polskich Rodzin | 11 | 2 | 3 | 6 | 4 | 0 | 7 | 1 |
| KP Platforma Obywatelska | 71 | 39 | 35 | 12 | 26 | 3 | 16 | 9 |
| KP Polskiego Stronnictwa Ludowego | 3 | 1 | 28 | 0 | 17 | 2 | 1 | 0 |
| KP Prawica Rzeczypospolitej | 2 | 1 | 0 | 0 | 0 | 0 | 0 | 0 |
| KP Prawo i Sprawiedliwość | 63 | 39 | 27 | 7 | 20 | 9 | 10 | 6 |
| KP Ruch Ludowo-Narodowy | 1 | 2 | 0 | 0 | 1 | 0 | 0 | 0 |
| KP Samoobrona Rzeczypospolitej Polskiej | 11 | 12 | 18 | 7 | 3 | 1 | 0 | 2 |
| KP Sojuszu Lewicy Demokratycznej | 8 | 8 | 20 | 9 | 14 | 0 | 13 | 4 |
| Posłowie niezrzeszeni | 10 | 1 | 7 | 4 | 1 | 0 | 2 | 0 |
pi_communities[[nn]] %>%
left_join(un_authors2 %>% filter(period == nn) %>%
select(group = stripped, party = ugr2), by = "group") %>%
group_by(modularity_class, party) %>%
summarise(member_count = n()) %>%
group_by(modularity_class) %>%
mutate(mw = round(100 * member_count / sum(member_count, 0))) %>%
pivot_wider(values_fill = 0, id_cols = "party", values_from = "mw", names_from = "modularity_class") %>%
kable() %>%
kable_styling()| party | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
|---|---|---|---|---|---|---|---|---|
| KP Liga Polskich Rodzin | 6 | 2 | 2 | 13 | 5 | 0 | 14 | 5 |
| KP Platforma Obywatelska | 39 | 37 | 25 | 27 | 30 | 20 | 33 | 41 |
| KP Polskiego Stronnictwa Ludowego | 2 | 1 | 20 | 0 | 20 | 13 | 2 | 0 |
| KP Prawica Rzeczypospolitej | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 |
| KP Prawo i Sprawiedliwość | 35 | 37 | 20 | 16 | 23 | 60 | 20 | 27 |
| KP Ruch Ludowo-Narodowy | 1 | 2 | 0 | 0 | 1 | 0 | 0 | 0 |
| KP Samoobrona Rzeczypospolitej Polskiej | 6 | 11 | 13 | 16 | 3 | 7 | 0 | 9 |
| KP Sojuszu Lewicy Demokratycznej | 4 | 8 | 14 | 20 | 16 | 0 | 27 | 18 |
| Posłowie niezrzeszeni | 6 | 1 | 5 | 9 | 1 | 0 | 4 | 0 |
pi_communities[[nn]] %>%
left_join(un_authors2 %>% filter(period == nn) %>%
select(group = stripped, party = ugr2), by = "group") %>%
group_by(modularity_class, party) %>%
summarise(member_count = n()) %>%
group_by(party) %>%
mutate(mw = round(100 * member_count / sum(member_count), 0)) %>%
pivot_wider(values_fill = 0, id_cols = "party", values_from = "mw", names_from = "modularity_class") %>%
kable() %>%
kable_styling()| party | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 |
|---|---|---|---|---|---|---|---|---|
| KP Liga Polskich Rodzin | 32 | 6 | 9 | 18 | 12 | 0 | 21 | 3 |
| KP Platforma Obywatelska | 34 | 18 | 17 | 6 | 12 | 1 | 8 | 4 |
| KP Polskiego Stronnictwa Ludowego | 6 | 2 | 54 | 0 | 33 | 4 | 2 | 0 |
| KP Prawica Rzeczypospolitej | 67 | 33 | 0 | 0 | 0 | 0 | 0 | 0 |
| KP Prawo i Sprawiedliwość | 35 | 22 | 15 | 4 | 11 | 5 | 6 | 3 |
| KP Ruch Ludowo-Narodowy | 25 | 50 | 0 | 0 | 25 | 0 | 0 | 0 |
| KP Samoobrona Rzeczypospolitej Polskiej | 20 | 22 | 33 | 13 | 6 | 2 | 0 | 4 |
| KP Sojuszu Lewicy Demokratycznej | 11 | 11 | 26 | 12 | 18 | 0 | 17 | 5 |
| Posłowie niezrzeszeni | 40 | 4 | 28 | 16 | 4 | 0 | 8 | 0 |
What about used words? For each modularity group let see 10 used words.
do.call(rbind,
lapply(X = period_bands$period,
FUN = function(x){
res <- InterpretText(pi_networks[[x]], prepped_tagged[[x]]) %>%
group_by(modularity_class) %>%
unique() %>%
top_n(n = 10) %>%
summarise(lemmas = paste0(lemma, collapse = "; "))
cbind(data.frame(period = x), res)
})) %>%
pivot_wider(id_cols = "modularity_class", names_from = "period", values_from = "lemmas", values_fill = "") %>%
kable() %>%
kable_styling()| modularity_class | 1997-2001 | 2001-2005 | 2005-2007 |
|---|---|---|---|
| 1 | famarol; rosjanin; goplana; malbork; suseł; świdnik; bank; poznań; r; romet | barlinek; butel; gaz; płynny; rzymełka; niezawiniony; zawinić; czeczeński; metanowy; powietrzno | radiokomunikacyjny; szrajber; starogard; rezydent; stażysta; piłkarz; kwidzyn; ferie; bitum; kłak |
| 2 | anestezjologiczny; głodować; stocznia; konwencja; lustracyjny; pełnomocny; ciaciura; rozwarowskich; farmaceutyczny; otyłość | alimenty; isbn; piechociński; tetra; błona; pa; stuligrosz; tkanka; pawlak; petycja | wopr; dystrybucyjny; operator; szlachta; dywidenda; kghm; ppk; bodaczowie; nitron |
| 3 | przyuczyć; ubój; zwierzę; skraść; blacha; składak; zagęścić; czsp; koza; srm | stado; gryfice; kłopotek; cement; paździor; stanibuła; pelplin; gajda; szukała; mazowsze | jeleniowaty; technologiczny; spersonalizować; stec; okularczyk; banasiński; konkur; uokik; stępień; leżajsk |
| 4 | sąd; rolnik; konin; dębica; tarnów; mswia; stanibuła; wagon; wagonownia | dziernika; funkcjonariusz; ozdrowieć; psp; jbr; koleje; pkp; oddłużać; rzepinies; lh | kult; mańka; kurczuk; stawiarski; żaczek; płock; teresin; ciechanów; cukrownia |
| 5 | opona; tomaszewska; paździor; koźle; kędzierzyn; mniejszość; michalik; pracownia; hektolitr; chełm | bolek; miligram; tabl; konny; sosnowska; johnson; dawca; szpik; sylwia; podopieczny | corporation; microsoft; lot; pilot; powietrzny; karykatura; statek; bumar; wenderlich; taksówka |
| 6 | deputat; filek; fpnp; janik; kwalifikacyjny; lech; pastwa; emerytalny; fundacja; kombatant | chwastek; mon; sybirak; msf; urtip; wiorin; kabel; gadzinowski; prokurator; rpp | czołowy; demokrata; lewica; socjaldemokracja; ugrupowanies; kobieta; mężczyzna; bogucki; gadzinowski; salon |
| 7 | strefa; międzystrefowy; numeryczny; łączność; szewc; telekomunikacyjny; maćkała; martyniuk; numeracyjny; telefoniczny | swarożynies; chojnice; pżm; egzamin; eksternistyczny; mińsk; be; pzm; pomorski | skm; mrzygłocka; radom; grójec; s7; powodziowy; zalać; specustawa; bałażak; warlubie |
| 10 | domicela; kopaczewska; włocławek; superfo; łuczak; lustracyjny; spikz | ||
| 8 | bogusław; bosak; czarnecki; dekret; las; pkwn; trzcianka; wyzwolenies; zabrać | ||
| 9 | janik; loto; rafineria; robert; siedcle; celny; martyniuk; zjednoczenies; chlebowski; wałbrzych |
Betweenness centrality - this measure can show which parliamentarians are consistently central to the interpellation network, indicating their significant role in shaping debates, garnering support for policies, and influencing legislative outcomes. The higher the measure, the more control has this parliamentarian.
For each period I’ve calculated (and scaled) betweenness centrality for each member. Than I’ve focus only on those parliamentarians which were present in all periods and limit to top 10.
There was no parliamentarian that had scaled betweenness centrality greater than 0 in all periods. We might see how the role of each politician shifted e.g. Grzegorz Schetyna had very high (scaled) betweenness centrality in first term, then had above an average in second and below an average in third term.
do.call(rbind,
lapply(X = period_bands$period,
FUN = function(x){
res <- TextCentrality(pi_networks[[x]]) %>%
mutate(bc = scale(betweenness_centrality))
res$member <- row.names(res)
row.names(res) <- NULL
cbind(data.frame(period = x), res)
})) %>%
group_by(member) %>%
mutate(count = n(), mbb = mean(bc)) %>%
filter(count == 3) %>%
ungroup() %>%
top_n(n = length(period_bands$period) * 10, wt = mbb) %>%
pivot_wider(id_cols = "member", names_from = "period", values_from = "bc") %>%
kable() %>%
kable_styling()| member | 1997-2001 | 2001-2005 | 2005-2007 |
|---|---|---|---|
| Ewa Janik | -0.488279448 | 1.2529359 | 2.5067183 |
| Grzegorz Schetyna | 3.851158108 | 0.6981663 | -0.6342410 |
| Jerzy Wenderlich | -0.670122546 | 3.0293792 | -0.6080226 |
| Marek Sawicki | 1.156574025 | -0.9897499 | 0.4354680 |
| Marek Wikiński | -0.810637666 | 1.7486875 | 0.6661896 |
| Piotr Gadzinowski | -0.141124444 | 0.7748897 | -0.5293676 |
| Szczepan Skomra | -0.256842778 | 0.7807915 | 0.6085092 |
| Tadeusz Cymański | 0.883809379 | -0.8422048 | 1.7201676 |
| Tadeusz Iwiński | 0.007656273 | 0.6096392 | -0.5398549 |
| Tadeusz Jarmuziewicz | 0.371342468 | -0.4999001 | 6.0881461 |
Another way to measure impact/centrality of politicians is closeness centrality. That approach yielded very similar results: 8 of the selected in this way politicians were also chosen based on betweeness centrality measure.
do.call(rbind,
lapply(X = period_bands$period,
FUN = function(x){
res <- TextCentrality(pi_networks[[x]]) %>%
mutate(cc = scale(closness_centrality))
res$member <- row.names(res)
row.names(res) <- NULL
cbind(data.frame(period = x), res)
})) %>%
group_by(member) %>%
mutate(count = n(), mcc = mean(cc)) %>%
filter(count == 3) %>%
ungroup() %>%
top_n(n = length(period_bands$period) * 10, wt = mcc) %>%
pivot_wider(id_cols = "member", names_from = "period", values_from = "cc") %>%
kable() %>%
kable_styling()| member | 1997-2001 | 2001-2005 | 2005-2007 |
|---|---|---|---|
| Ewa Janik | -0.19305257 | 1.13989622 | 1.29011974 |
| Grzegorz Schetyna | 2.08147153 | 0.38476245 | -1.02344870 |
| Janusz Dobrosz | 0.43950304 | 0.80584876 | 0.02467894 |
| Katarzyna Piekarska | 0.80742959 | 0.04290411 | 0.43986841 |
| Marek Sawicki | 1.25818325 | -0.91353621 | 0.95482793 |
| Marek Wikiński | 0.06462653 | 1.34572690 | 1.12509467 |
| Stanisław Kalemba | 0.39603871 | -0.26885648 | 0.79925652 |
| Szczepan Skomra | 0.34859813 | 0.85821315 | 0.16649977 |
| Tadeusz Cymański | 0.89343694 | -1.30656854 | 1.62387447 |
| Tadeusz Jarmuziewicz | 0.80134418 | -1.16195382 | 3.19718631 |
The text mining project effectively analyzed networks formed by member of parliament interpellations, revealing intricate connections and patterns within political discourse. However, further exploration into the implications of these network structures for decision-making processes could enhance the project’s impact and relevance.
The purpose of the project was achieved - networks that emerged from politicians interpollations were discovered. I’ve managed to extract important information (date, author) that enabled to give additional context to the data.
First assumption: There exists a core group of parliamentarians who are consistently central to the interpellation network, indicating their significant role in shaping debates, garnering support for policies, and influencing legislative outcomes.
I believe I’ve proven this by showing top members in terms of centrality measures. Additionally I provided the evidence of forming specific subgroups.
Second assumption: There is a tendency for same party members to be close in text network.
I’ve provided an evidence to support that claim by measuring the strength of connections between political members using graph representation. On the other hand the distribution regarding modularity classes was similar to distribution of the whole parliament.
Interpellations of the Polish Parliament Members is a great dataset for text mining purposes. Based on the data from 3 terms, form 1997 to 2007, the analysis proved that is certain centrality in political discourse. The more recent the term, the more interpellation there were which makes me certain that analysing recent terms would provide more robust results.
All the code is available at my Github repository